人工智能及其在計算機網絡技術中的運用探析

施明君

（武漢交通職業學院 湖北 武漢 430000）

0 引言

在二十世紀的第三次科技革命中誕生了電子計算機，自此一場涉及信息技術、生物技術等眾多領域的信息技術變革應運而生。科學技術的飛速發展實現了電子計算機的聯網，從而使得人與人之間的信息交換不再受時間及空間的限制，促使生活、生產、辦公實現了智能化運行。在科學與技術的緊密連接下計算機探索的領域也在快速拓展，學科分支不斷分化，研究領域逐漸深入。作為計算機網絡科學的一個重要分支，人工智能著力于挖掘智能的本質，并對人類的思維和意識進行信息模擬[1]，能以省時省力的方式代替人類進行部分難度系數較高的工作。人工智能應用領域的拓展能夠提升社會生產質量，促進場景資源開放，從而以高水平的應用效率助力經濟及科學技術穩健發展。

1 人工智能的概念

人工智能是一門基于計算機科學并與哲學、心理學等學科融合的交叉新型學科，致力于模擬人類智能并實現深層次拓展及延伸[2]。在人工智能不斷發展的過程中，研發人員試圖通過對人的思維過程進行模擬來了解智能的本質，并借此創造出能與人類智能反應方式相似的智能化機器。由于人工智能涉及的學科非常廣泛，因此其研究領域眾多，包括圖像識別、智能仿生機器人、專家系統等。

2 人工智能細分領域

人工智能經過六十余年的發展，目前的研究內容主要集中在六大細分領域，即：

2.1 深度學習

深度學習起源于人工神經網絡研究[3]，通過建立模擬真實人腦思維的神經網絡對低層特征進行組合形成抽象高層特征，最終使機器擁有與人類相似的習得能力。深度學習使機器能夠獲取聲音、文字、圖像和視頻等數據，并對識別的數據進行解釋及加工，幫助解決了很多模式識別領域的復雜問題。

2.2 自然語言處理

自然語言處理將人類交流用語作為對象，利用計算機技術對其進行分解、處理及加工，對接收的語言信息進行量化研究，從而促使計算機對自然語言實現可讀可解。自然語言在人機之間的通信可以實現對人類部分腦力勞動的替代，包括回答問題、查閱文件、匯總資料等與自然語言處理息息相關的加工處理活動。自然語言處理技術在日常生活中的一個廣泛應用是智能語音機器人，通過對自然語言分析，語音機器人能進行情緒識別、描繪用戶畫像，實現信息智能化管理。

2.3 計算機視覺

計算機視覺是一種機器視覺，它能夠代替人眼利用攝影設備以及電腦對目標進行識別、追蹤，并將獲取的圖像進行加工處理，使計算機能從真實世界中提取信息，最終觀察、感知并適應外界環境。目前，計算機視覺技術的一個重要研究目標是建立成熟的視覺系統，通過視覺反饋抓取敏感信息，完成既定任務。例如，國產新能源汽車品牌極氪利用計算機視覺技術研發出了“羚羊避險”功能，在全速域主動巡航控制（LCC+ACC）啟動時，車身周圍的高清攝像頭能夠快速捕捉道路障礙物，預判危險，對障礙物進行主動避讓。

2.4 智能機器人

區分智能機器人與普通機器人的要素主要有三個：一是運動要素，智能機器人能夠對外界信息刺激做出反應；二是思考要素，對所獲取的要素信息進行分析，并做出相應反饋；三是感覺要素，智能機器人能及時感知外界環境的狀態以及變化。近年來出現的智能機器人具備信息傳感器以及效應器，能通過視、聽、觸、聞獲取關鍵信息并做出反應。在未來，智能機器人還需要具備思維能力，提升自主學習、信息處理效率。

2.5 自動程序設計

自動程序設計是人工智能和軟件工程的共同研究方向，是指對指定問題的描述進行分析，自動編寫并生成滿足條件的程序，它的任務是完成一個程序系統設計，接受高級目標輸入，隨后輸出能完成既定目標的具體程序。自動程序設計包含兩方面的內容，一是程序綜合，二是程序驗證。程序綜合能夠完成自動編程，用戶只需要提出訴求，機器便能自動完成任務，無需告知機器具體操作步驟。而程序驗證則能夠自動進行正確性檢查，提高任務完成質量。

2.6 數據挖掘

數據挖掘指的是對數據庫中的大量數據進行逐一分析，通過尋找數據中的規律，匯總出隱藏且有利用價值的潛在信息。數據挖掘是一項基于計算機科學的決策支持研究，可以通過數據統計、機器學習、技術可視化等途徑高度智能化、自動化地分析相關數據，進行歸納性總結，幫助決策者做出最優化選擇。

3 人工智能的優勢

3.1 提升社會生產力水平

從投資、技術以及人力資源角度來看，隨著新一代信息技術例如大數據、區塊鏈、云計算等的發展，網絡虛擬空間與物理社會空間的融通結合使原本獨立的數據計算成為了驅動社會經濟發展的關鍵要素，人工智能成為了推動融合產業部門發展的催化劑，將投資者、核心技術以及人力資源緊密相連。以龍頭企業為例，其依托于傳統行業具有市場優勢，疊加與大學、科研機構合作等獲得的人工智能技術，能進一步實現專用性技術累積提升生產效率。人工智能在產業領域的應用場景搭建能夠在很大程度上提高社會生產力水平，推動人類社會進入智能經濟時代。

3.2 減少資源消耗

計算機在進行數據查找時通常會將海量數據進行機械化分層篩選，再將分類后的數據進行精細查找，而人工智能在進行數據抓取時則會使用模糊控制法對目標數據進行提取[4]，這種非機械化的操作方式能夠大大節省篩選時間，從而從源頭提升數據處理的效率。因此，人工智能可以節省計算機網絡資源，在減少操作時間的基礎上進一步降低操作成本。

3.3 優化網絡管理結構

在網絡覆蓋率不斷提高的信息化社會，各種生產、生活活動都與計算機網絡緊密相連，網絡能突破時間和空間的限制，在很大程度上簡化工作流程，提升辦事效率。在網絡技術被頻繁使用的背景下，其技術迭代的頻率也在不斷提升，因此為了保證計算機網絡系統的正常運行，網絡管理的水平也需要與時俱進。人工智能具有多代理協作功能，可以提升分層管理型網絡管理結構中各管理層的溝通速度，使網絡管理更加便捷，進而促進網絡管理的結構優化，使網絡管理水平得到有效提高。

4 人工智能在計算機網絡中的具體運用

4.1 計算機網絡安全中的人工智能

4.1.1 高級威脅檢測

為了保障計算機網絡的正常運行，系統需要具備提前識別各類網絡攻擊的能力，在受到攻擊之前即做好應對準備。以惡意文件檢測為例，以人工智能為基礎的查殺引擎往往效率高于傳統的特征碼查殺引擎，這就得益于具備泛化能力的神經網絡、機器學習（ML）等AI技術。通過使用此類技術，可以進行針對已知樣本的訓練，從而在未知樣本集中進行運用并發現新型的未知惡意文件。在對黑樣本的分析中發現，新攻擊向量往往來源于對原有攻擊手段的整合、更新以及優化而不是獨立于原攻擊手段的全新向量，因此未知的威脅與已有威脅是具有相似性的。而AI算法的一個特點就是通過對已有數據進行深度學習，得出數據中的固定模式，最終通過對相似性的檢測識別未知威脅。因此，人工智能讓計算機具備接收數據并從中學習的能力，不斷優化算法，對流程進行可行性分析并做出必要調整，從而實現對網絡威脅的高精度預測，在系統漏洞被利用之前先行檢測出異常。

4.1.2 身份驗證及密碼保護

傳統的身份驗證方式例如輸入密碼等在信息化社會已不能滿足人們對身份信息驗證的要求，人工智能則可以彌補基于生物識別的身份驗證系統的缺陷[5]，創建出一個可靠的驗證系統。以蘋果公司（Apple）的面部識別系統Face ID為例，最初在2017年被應用于iPhone X系列手機，并繼續被應用于最新iPhone 14系列手機中。該系統通過神經引擎以及紅外傳感器對用戶面部特征進行采集并深度分析，最終通過人工智能程序自動生成基于用戶面部信息的詳細模型。傳統的驗證方式尚有概率通過反復嘗試完成身份驗證，而基于用戶生物信息的智能身份識別系統則能保證身份驗證的真實有效性。

4.1.3 釣魚檢測

網絡釣魚是網絡攻擊的一種常見策略，也是黑客進行非法系統訪問的主要方式。攻擊者利用如垃圾郵件、虛假網站等手段進行網絡詐騙，誘使受騙者泄露身份證號碼、銀行卡密碼等私人資料。以基于向量搜索引擎的釣魚網站檢測方法為例，首先利用自編碼器模型對各類釣魚網站首頁圖片的特征進行提取，再利用向量搜索引擎對提取的特征進行儲存及搜索，最后對搜索結果進行匹配，將通過閾值篩選的目標網站進行WHOIS及域名信息對比，最終檢測出釣魚網站。具體流程主要包括六個階段，分別是：

數據募集階段，對各種釣魚網站的首頁圖片進行收集；

模型訓練階段，將收集的首頁圖片用作訓練集進行自編碼器模型訓練；

特征提取階段，使用訓練成熟的自編碼器模型對釣魚網站的圖片特征進行提取，在向量搜索引擎中插入特征向量并同時得到ID，將向量屬性以及ID插入SQL數據庫；

釣魚檢測階段：利用向量搜索引擎進行特征向量搜索，根據得到的ID進行SQL數據庫查詢；

閾值調試階段，對匹配的閾值進行調試；

信息查詢階段，對于高于閾值的網站，要對其所匹配的真實網站的域名備案信息以及WHOIS信息進行查詢，并將查詢后的信息與釣魚網站的信息進行比對。

流程示意圖見圖1。

圖1 釣魚網站檢測流程

4.2 計算機網絡管理中的人工智能

人工智能在計算機網絡管理中的應用主要通過兩種方式實現，一種是模擬法，另一種是編程技術。模擬法指的是在人工智能的幫助下采用與生物機體所用方法類似的方法完成模擬化效果，編程技術則指采用編程手段使系統進行智能化運轉。通常來說，為了實現系統智能最大化，兩種方式可以結合使用，即按照設定編程邏輯進行仿生化模擬，完成智慧化系統的設計。例如，智能Agent檢索系統可以為使用者提供獨立索引系統，專門針對指定用戶進行設計，進行特定語義識別，從而實現個性化信息搜索及管理，如圖2所示。

圖2 智能Agent檢索系統工作流程

4.3 人工智能為數據分析提供源動力

數據分析在人工智能的加入下已經從人工手動分析數據發展至利用智能應用程序進行決策支持。AI驅動分析采用機器學習（ML）、自然語言生成等一系列技術手段實現了自動化數據管理流程，可以發現大型數據庫中的隱藏模式，尋找趨勢并提供可操作性建議[6]。人工智能的介入使組織內部數據分析能力明顯增強，提升數據處理時效，降低重復工作時間。

4.3.1 人工智能提升數據分析的方法

首先，通過機器學習，人工智能可以自動分析數據，發現數據中隱藏的規律并將其總結后為使用者提供決策支持。其次，人工智能可以自行生成數據報告并以自然語言生成的方式降低解讀難度。最后，人工智能的自然語言查詢功能可以使組織的所有參與者都能快速獲取目標數據，并根據自動化分析得出對應見解。

4.3.2 人工智能在數據分析中的運行流程

簡化數據準備。傳統的數據分析中包含了大量數據清理工作，此類工作往往耗時較長且邊際效用較低。人工智能參與下的數據分析能夠自動提取、轉換以及加載數據，并且這些數據能夠直接用于后期分析步驟。

自動生成洞察力。人工智能數據分析能將上一流程中已經提取的成熟數據進行自動化分析，并根據分析結果提供指導性決策。此流程區別于人工分析，往往耗時短且準確率較高。

提供數據查詢。人工智能數據分析能夠滿足用戶的提問需求，在自然語言查詢和自然語言生成的幫助下，它能夠將進行查詢的自然語言轉化成機器語言，再將決策以通俗易懂的方式進行輸出。這種數據分析方式使雙向交流變為可能，提升用戶獲得決策的時效。

擴大用戶群體。智能數據查詢系統使數據分析不再局限于專業技術人員，組織中的每一個參與者都能夠使用智能分析完成對數據的研究[7]。這種分析方式能夠使分析工具的使用群體顯著增加。

自發生成報告。在完成數據的提取、分析、查詢等步驟后，智能數據分析流程還可以高速生成基于數據本身的結論，此類結論可以直接應用于報告的自動編寫。報告的自動編寫功能可以顯著減少報告生成時間，提升工作流效率。

5 結語

人工智能經過長時間的發展已經成為世界最重要的科學研究領域之一，隨著社會經濟水平的不斷提高以及科學技術的飛速發展，它與人類日常生活逐漸緊密的融合，普及范圍也變得愈加廣泛。進一步了解人工智能的含義及其深度融合的細分領域有助于了解人工智能在計算機網絡技術中的應用場景。人工智能不僅能夠提升計算機網絡管理的效率，還能有效保障計算機網絡的安全運行，通過智能化數據分析，人工智能還能夠提升用戶網絡使用體驗并顯著提升使用者的工作效率。總之，人工智能技術在計算機網絡技術發展的當下以及未來還有著廣闊的應用空間，合理使用人工智能技術能夠進一步促進計算機網絡技術的進步。